.ipynb .pdf

repository open issue

Binder

Contents

4. Heatmap

4.1. 概要

Heatmap（ヒートマップ）とは，例えば下図のように，2変数の組み合わせの量を色で表現する手法です．

4.2. Plotlyによる作図方法

Plotlyでは，plotly.express.density_heatmap()を用いて作図できます．

import plotly.express as px
fig = px.density_heatmap(
    df, x='col_x', y='col_y', z='col_z')

上記の例では，dfのcol_xを横軸，col_yを縦軸とし，col_zの量に応じて色を塗り分けたHeatmapのオブジェクトfigを作成します．

4.3. MADB Labを用いた作図例

4.3.1. 下準備

import pandas as pd
import plotly.express as px

import warnings
warnings.filterwarnings('ignore')

# 前処理の結果，以下に分析対象ファイルが格納されていることを想定
PATH_DATA = '../../data/preprocess/out/magazines.csv'
# Jupyter Book用のPlotlyのrenderer
RENDERER = 'plotly_mimetype+notebook'

def show_fig(fig):
    """Jupyter Bookでも表示可能なようRendererを指定"""
    fig.update_layout(margin=dict(t=50, l=25, r=25, b=25))
    fig.show(renderer=RENDERER)

def add_years_to_df(df, unit_years=10):
    """unit_years単位で区切ったyears列を追加"""
    df_new = df.copy()
    df_new['years'] = \
        df['datePublished'].dt.year // unit_years * unit_years
    df_new['years'] = df_new['years'].astype(str)
    return df_new

df = pd.read_csv(PATH_DATA)

4.3.2. 作品別・年代別の合計連載週数（上位20作品）

# datePublishedを10年単位で区切るyears列を追加
df['datePublished'] = pd.to_datetime(df['datePublished'])
# 10年単位で区切ったyearsを追加
df = add_years_to_df(df)

# プロット用に集計
df_plot = df.groupby('cname')['years'].value_counts().\
    reset_index(name='weeks')
# 連載週刊上位10作品を抽出
cnames = list(df.value_counts('cname').head(20).index)
df_plot = df_plot[df_plot['cname'].isin(cnames)].\
    reset_index(drop=True)

# 合計連載週数で降順ソート
df_plot['order'] = df_plot['cname'].apply(
    lambda x: cnames.index(x))
df_plot = df_plot.sort_values(
    ['order', 'years'], ignore_index=True)

fig = px.density_heatmap(
    df_plot, x='cname', y='years', z='weeks')
show_fig(fig)

4.3.3. 作者別・年代別の合計連載週数（上位20名）

# datePublishedを10年単位で区切るyears列を追加
df['datePublished'] = pd.to_datetime(df['datePublished'])
# 10年単位で区切ったyearsを追加
df = add_years_to_df(df)

# プロット用に集計
df_plot = df.groupby('creator')['years'].value_counts().\
    reset_index(name='weeks')
# 連載週刊上位10作品を抽出
creators = list(df.value_counts('creator').head(20).index)
df_plot = df_plot[df_plot['creator'].isin(creators)].\
    reset_index(drop=True)

# 合計連載週数で降順ソート
df_plot['order'] = df_plot['creator'].apply(
    lambda x: creators.index(x))
df_plot = df_plot.sort_values(
    ['order', 'years'], ignore_index=True)

fig = px.density_heatmap(
    df_plot, x='creator', y='years', z='weeks')
show_fig(fig)

previous

3. Stacked bars

next

1. Histogram